基于度量核和GHI核混合的植物叶片识别算法

针对现有识别算法中的核函数不能充分利用直方图的整体特征和不同维特征间的内在联系,提出基于度量核和广义直方图交叉(generalized histogram intersection,简称GHI)核混合的植物叶片识别算法.首先,构建多尺度边缘轮廓(multi-scale marginal contour,简称MMC)算子;其次,提取预处理后的叶片图像MMC形状特征、局部二值模式(local binary pattern,简称LBP)空域纹理特征、局部向量化(local phase quantization,简称LPQ)频域纹理特征,进而将这些特征拼接成复合特征;再次,利用度量学习和马氏距离改造负距离核构建度量核,将其与GHI核加权融合形成组合核;最后,进行仿真实验.仿真实验结果表明:相对于现有算法,该文算法对不同种类的植物叶片具有较高的识别率.     

审计质量对企业投资效率的影响研究 ——基于产品市场竞争视角

基于2014—2019年我国上市公司A股的数据,通过结合市场竞争环境,研究外部审计因素对企业非效率投资现象的作用,并在区分投资不足与投资过度的企业之后对三者进行详细分析.结果表明:审计质量会积极地改善投资效率,即审计质量可以明显地减弱企业的投资过度行为和投资不足行为.同时,产品市场竞争对审计质量与投资效率的关系起到了正向的调节作用,即处于市场竞争环境激烈的公司,审计质量越高越能显著地缓解低效率投资的局面.     

自适应跌倒前实时检测方法

为了能利用单一传感器在跌倒撞击前实时检测出跌倒即将发生,结合支持向量机(SVM)和阈值法设计了一种自适应跌倒前实时检测方法.实验结果表明,该方法能在跌倒撞击前实时检测出跌倒即将发生,且比人工阈值法和SVM方法有更长的间隔时间,比SVM方法有更高的召回率和特异度.     

我国盈余管理研究热点与演化趋势研究

盈余管理是会计学研究领域的热门课题。针对当前国内盈余管理实证研究中存在信息繁杂、思路不清晰等问题,利用CiteSpace可视化分析工具,筛选出2009—2019年CNKI中国知网所收录有关盈余管理研究文献,绘制出作者、机构、关键词知识图谱。通过对相关文献的研究发现,盈余管理研究领域存在核心群体,高等院校是盈余管理研究的主要阵地,但各院校彼此之间合作较为分散。当前国内盈余管理实证研究处于稳步发展阶段,文献以盈余管理自身为核心,围绕真实盈余管理、盈余质量、应计盈余管理等主题展开论述。     

基于区块链技术的生鲜农产品溯源研究

为探究区块链技术在生鲜农产品流通过程中如何保障质量安全,利用演化博弈方法探究监管部门与生鲜农产品生产商关于生鲜食品质量安全溯源博弈过程.构建监管部门与生鲜农产品生产商的质量安全溯源的博弈支付矩阵,并进一步确立质量安全溯源的复制动态方程.通过对二维复制动态系统进行求解初步得到系统的平衡点,再分析平衡点的局部稳定性情况.结果显示,当生产商生产质量安全生鲜产品的收益大于生产不安全生鲜产品的收益时,双方博弈将最终演化到理想状态(1,0),即生产商将生产质量安全的生鲜农产品而监管部门选择不监管.由此可知,当生产商生产质量不安全的产品会获得更多收益时,监管部门可以采取罚金的方式来规范生产商安全生产.     

基于大数据技术的甘肃苹果种植质量管理分析

采用DEA Malmquist分析法和案例分析法对比研究了传统模式下甘肃省和大数据模式下陕西省苹果种植环节质量管理差异，研究发现：2011—2018年，陕西省苹果种植技术效率变化、纯技术效率变化、规模效率变化均高于甘肃省，主要原因是甘肃省在苹果种植环节应用大数据技术的水平比较滞后，通过大数据技术为苹果种植增加产量、提高质量的效果不太显著。研究结果表明要利用大数据技术提高甘肃苹果种植环节的质量管理水平，需要提高政府财政支持力度，加强宣传，加强大数据平台建设，改变果农的传统管理理念，实施人才引进战略。     

w(Co)对CB2钢显微组织和力学性能的影响

为研究w(Co)对CB2钢微观组织和力学性能的影响，调整CB2钢中w(Co)为0.5%，1.0%，1.5%，2.0%和3.0%.利用光学显微镜(OM)、扫描电镜(SEM)、室温拉伸等检测方法研究w(Co)对试验钢微观组织和力学性能的影响规律，结合Thermo-Calc和JMatpro-7.0模拟结果解释其影响机理.研究发现:w(Co)增加提高铬当量的值，使试验钢中δ铁素体含量减少，当w(Co)增加到1.5%时，δ铁素体基本消失;材料的抗拉强度随w(Co)的增加而增加，而延长率则先增加后降低;结果表明，w(Co)为1.5%时综合性能较好，即抗拉强度达到805.13MPa，延长率达到20.4%，布氏硬度为260.     

基于功率谱熵特征提取的脑电波大脑年龄预测

 大脑会随着年龄的增加而出现功能衰退，通过决策实验获取年轻人和中老年人的脑电信号，可以定量分析大脑随年龄增长而出现的变化。提出了一种基于熵的脑电波刻画方法，并利用机器学习的方法能够比较准确地预测人的大脑年龄。研究表明，脑电波功率谱熵（PSE）具有良好的时域分辨能力和更准确的区分效果，年轻人在做决策时的脑电波功率谱熵的分布是大于中老年人的，即年轻人所产生的脑电波信息量更大。此外，支持向量机（SVM）的分类效果优于随机森林（RF）方法，最高平均精度达88.02%，比随机森林高出2.66%。通过基尼指数对特征重要性排序，还发现决策过程中左眼电区域、大脑的颞和中央区域的决策反应差异很大，分类器更容易在这些特征区域做出更好的分类。     

MIV-SVM-BPSO模型在铀矿堆浸中的应用

利用某矿区ZQ7堆浸柱实测数据作为建模分析样本,建立MIV-SVM、BPSO-SVM、MIV-SVM-BPSO三种模型,对铀矿堆浸进行建模仿真。其中,平均影响值(MIV)算法,可对影响铀矿浸出率的特征因子进行排序;离散二进制粒子群(BPSO)算法可筛选出最优的特征子集;而改进的MIV-SVM-BPSO模型,则是将排序后的优良子集作为后续BPSO算法的部分种群,进而对样本进行仿真实验。结果表明,MIV-SVM-BPSO模型的模拟效果均比单一的MIV-SVM和BPSO-SVM模型好,该模型具有有效降低数据维数,在小样本条件下学习更加有效,建模采样过程更快,模拟精度更高的优点;将浸出液体积,Eh_出,Fe■,Fe~(2+)_出作为铀矿生物堆浸工艺的主要控制因数可降低生产成本,提高铀矿浸出率。